为什么动作效率，决定 AI 像不像同事

ARC Prize 的方法学把 Solve Success Rate 和 Relative Human Action Efficiency 放在一起，目的就是避免出现“虽然能做对，但过程极其低效”的假象。

这比单看正确率更接近真实使用，因为用户真正付出的成本来自交互过程，而不只是最终结果。

同样是写一份方案，有的 AI 要来回 8 轮，有的 AI 3 轮就能稳定落地。两者在技术演示里可能都算“完成任务”，但在真实工作里体验完全不同。

效率高的 AI 会让你感觉自己在被推进，效率低的 AI 则像一个需要你不断管理的实习生。

当你比较两个 AI 工具时，不要只看谁的文案更漂亮，也要看谁让你的工作流更短、更顺、更省认知负担。

ARC-AGI-3 带来的启发是：协作式 AI 的价值，很大一部分来自它让你少做了多少多余动作。